文件名称：candock:时间序列信号分析和分类框架
文件大小：341KB
文件格式：ZIP
更新时间：2024-06-14 07:41:07
deep-learning eeg classification data-preprocessing data-augmentation
Candock | 英文|| 时间序列信号分析和分类框架。 它包含多个网络，并提供数据预处理，数据扩充，培训，评估，测试和其他功能。 一些输出示例： 特征 数据预处理 规范：5_95 | maxmin | 没有任何 过滤器：fft | 冷杉| ir | 小波| 没有任何 资料扩充 各种数据扩充方法。 基数：比例，经线，app，aaft，iaaft，filp，作物 噪音：尖峰，阶跃，斜率，白色，粉红色，蓝色，棕色，紫色 甘：dcgan 网络 各种评估网络。 1天 lstm，cnn_1d，resnet18_1d，resnet34_1d，multi_scale_resnet_1d，micro_multi_scale_resnet_1d，自动编码器，mlp 2d（频谱图） mobilenet，resnet18，resnet50，resnet101，densenet121，densene
【文件预览】：
candock-master
----train.py(3KB)
----checkpoints()
--------pretrained()
----imgs()
--------compare.png(43KB)
--------spectrum_Stage2.png(20KB)
--------spectrum_Stage1.png(20KB)
--------multi_scale_resnet_1d_network.png(46KB)
--------spectrum_Stage3.png(20KB)
--------heatmap_eg.png(50KB)
--------running_loss_eg.png(24KB)
--------spectrum_REM.png(21KB)
--------spectrum_Wake.png(25KB)
----models()
--------domain()
--------creatnet.py(4KB)
--------ipmc()
--------__init__.py(0B)
--------net_2d()
--------autoencoder()
--------net_1d()
----simple_test.py(1KB)
----requirements.txt(187B)
----examples()
--------mnist2mnist_m.py(2KB)
--------show_example.npy(16KB)
--------download_dataset.py(3KB)
----datasets()
--------simple_test()
----README_CN.md(4KB)
----util()
--------util.py(1KB)
--------options.py(17KB)
--------array_operation.py(4KB)
--------__init__.py(0B)
--------dsp.py(5KB)
--------plot.py(11KB)
----LICENSE(1KB)
----tools()
--------server.py(6KB)
--------client.py(2KB)
--------del_domain.py(3KB)
----README.md(4KB)
----core.py(14KB)
----data()
--------augmenter.py(10KB)
--------dataloader.py(6KB)
--------statistics.py(8KB)
--------noise.py(4KB)
--------__init__.py(0B)
--------surrogates.py(10KB)
--------transforms.py(4KB)
----docs()
--------how_to_load_results.md(1KB)
--------log_eg.txt(12KB)
----.gitignore(2KB)